建设人行官方网站下载,私人网站制作,买个网站域名多少钱,网站建设上线问题在解决连续三天及以上人流量超过100的记录问题时#xff0c;MySQL方案作为力扣解决问题的方案通过窗口函数和分组技巧高效地识别连续记录。而Python与Pandas方案作为扩展则展示了在数据处理和分析方面的灵活性#xff0c;通过行号变换和分组计数来筛选符合条件的… 在解决连续三天及以上人流量超过100的记录问题时MySQL方案作为力扣解决问题的方案通过窗口函数和分组技巧高效地识别连续记录。而Python与Pandas方案作为扩展则展示了在数据处理和分析方面的灵活性通过行号变换和分组计数来筛选符合条件的数据行。
目录
题目描述
解题思路
完整代码
使用python- pandas扩展 题目描述
表Stadium
------------------------
| Column Name | Type |
------------------------
| id | int |
| visit_date | date |
| people | int |
------------------------
visit_date 是该表中具有唯一值的列。
每日人流量信息被记录在这三列信息中序号 (id)、日期 (visit_date)、 人流量 (people)
每天只有一行记录日期随着 id 的增加而增加
编写解决方案找出每行的人数大于或等于 100 且 id 连续的三行或更多行记录。
返回按 visit_date 升序排列 的结果表。
查询结果格式如下所示。
示例 1:
输入
Stadium 表:
-----------------------------
| id | visit_date | people |
-----------------------------
| 1 | 2017-01-01 | 10 |
| 2 | 2017-01-02 | 109 |
| 3 | 2017-01-03 | 150 |
| 4 | 2017-01-04 | 99 |
| 5 | 2017-01-05 | 145 |
| 6 | 2017-01-06 | 1455 |
| 7 | 2017-01-07 | 199 |
| 8 | 2017-01-09 | 188 |
-----------------------------
输出
-----------------------------
| id | visit_date | people |
-----------------------------
| 5 | 2017-01-05 | 145 |
| 6 | 2017-01-06 | 1455 |
| 7 | 2017-01-07 | 199 |
| 8 | 2017-01-09 | 188 |
-----------------------------
解释
id 为 5、6、7、8 的四行 id 连续并且每行都有 100 的人数记录。
请注意即使第 7 行和第 8 行的 visit_date 不是连续的输出也应当包含第 8 行因为我们只需要考虑 id 连续的记录。
不输出 id 为 2 和 3 的行因为至少需要三条 id 连续的记录。
解题思路
标记符合条件的行首先我们需要找出people大于等于100的行。寻找连续的行接着我们需要找出这些行中id连续的部分。这一步稍微复杂因为我们需要检查每行的id是否与前一行的id相差1。统计连续行的数量为了确保连续行至少有三行我们可以使用窗口函数如ROW_NUMBER()来为这些连续行分组并计算每组中的行数。筛选结果最后我们只保留那些组内行数大于等于3的行。
完整代码
WITH RankedStadium AS (SELECT id, visit_date, people,-- 为连续的行分配相同的组号id - ROW_NUMBER() OVER (ORDER BY id) AS grpFROM StadiumWHERE people 100
),
GroupedStadium AS (SELECTid,visit_date,people,grp,-- 计算每个组内的行数COUNT(*) OVER (PARTITION BY grp) AS cntFROMRankedStadium
)-- 选择那些组内行数大于等于3的记录
SELECT id, visit_date, people
FROM GroupedStadium
WHERE cnt 3
ORDER BY visit_date;这段代码通过WITH语句先创建了一个临时的RankedStadium视图来找出人数大于等于100的行并为连续的行分配相同的组号。然后在GroupedStadium视图中它计算每个组内的行数。最后它选择那些组内行数大于等于3的记录并按visit_date排序。这样就能找到至少有三行连续id且people大于等于100的记录。
通过 使用python- pandas扩展
筛选符合条件的行首先我们需要筛选出people字段大于等于100的行。寻找连续的行然后我们需要找到id连续的行。由于id是连续增加的我们可以通过检查当前行的id是否比前一行的id大1来判断是否连续。标记连续的组为了识别连续的行我们可以用id减去行号来为每个连续的块创建一个唯一的标识符。统计每组的行数通过分组并统计每个组的行数我们可以找出至少包含3行的组。筛选结果最后我们筛选出那些组内行数大于等于3的行。
import pandas as pd# 假设stadium_df是包含Stadium表数据的DataFrame
stadium_df pd.DataFrame({id: [1, 2, 3, 4, 5, 6, 7, 8],visit_date: [2017-01-01, 2017-01-02, 2017-01-03, 2017-01-04, 2017-01-05, 2017-01-06, 2017-01-07, 2017-01-09],people: [10, 109, 150, 99, 145, 1455, 199, 188]
})# 筛选people大于等于100的行
filtered_df stadium_df[stadium_df[people] 100]# 通过id减去行号创建组标识符
filtered_df[group] filtered_df[id] - filtered_df.reset_index().index# 计算每组的行数
group_counts filtered_df.groupby(group).size()# 筛选出组内行数大于等于3的组
valid_groups group_counts[group_counts 3].index# 最终结果
result_df filtered_df[filtered_df[group].isin(valid_groups)].drop(group, axis1)print(result_df)
